Information gemäß § 6 (4) des Gesundheitsdatennutzungsgesetzes (GDNG) zur Verarbeitung von Gesundheitsdaten am Universitätsklinikum Bonn

Die Laboreinsendungen in das Zentrallabor im Zeitraum von 09/2017 bis 01/2025 werden retrospektiv auf das Vorliegen von sogenannten präanalytischen Störfaktoren (Verfärbungen des Blutplasmas, die Laboruntersuchungen beeinflussen können) untersucht. Eine Erfassung der Störfaktoren erfolgte automatisch bei der Messung der Blutproben. Es werden die Barcodes der jeweiligen Proben und Fallnummern erhoben um damit den Einsender (Ambulanz, Normalstation, Intensivstation und welche Fachrichtung) festzustellen. Ziel ist festzustellen, ob bestimmte Bereiche der Klinik häufiger durch Störfaktoren beeinflusste Blutproben schicken als andere. Die Auswertung erfolgt auf Ebene von Gesamtmonaten, eine Zuordnung von Einzelpersonen ist nicht möglich.

PDAC.ai ist ein Forschungsprojekt, das Künstliche Intelligenz (KI) einsetzt, um den Bauchspeicheldrüsenkrebs (medizinisch: Pankreaskarzinom) besser zu verstehen, frühzeitig zu erkennen und gezielter behandeln zu können. Dafür werden unterschiedliche medizinische Daten von Patientinnen und Patienten zusammengeführt – unter anderem radiologische Bilddaten (z. B. aus CT- oder MRT-Untersuchungen), mikroskopische Aufnahmen von Gewebeproben, klinische Informationen wie Tumorstadium oder Therapieverlauf sowie Laborwerte. Alle diese Daten werden pseudonymisiert, also so verarbeitet, dass sie keiner einzelnen Person mehr direkt zugeordnet werden können.

Mit Hilfe dieser Daten „lernt“ die KI, Muster zu erkennen, die zum Beispiel auf eine bereits vorhandene Ausbreitung des Tumors in die Lymphknoten hinweisen oder Hinweise auf einen aggressiven Verlauf der Erkrankung geben. Ziel ist es, durch diese Mustererkennung die Genauigkeit der Diagnose zu verbessern, das Risiko einer Metastasierung besser einschätzen zu können und eine individuell angepasste Therapieentscheidung zu ermöglichen.

Die Ergebnisse aus PDAC.ai sollen langfristig dazu beitragen, unnötige Chemotherapien zu vermeiden, Hochrisikopatient:innen frühzeitig zu identifizieren und insgesamt eine personalisierte, datengestützte Versorgung bei Bauchspeicheldrüsenkrebs zu etablieren.

Das Forschungsprojekt TDLN-PDAC beschäftigt sich mit einem besonderen Aspekt des Bauchspeicheldrüsenkrebses – den sogenannten tumor-drainierenden Lymphknoten (kurz: TDLN). Diese Lymphknoten befinden sich entlang der natürlichen Abflusswege der Lymphe in der Nähe des Tumors und spielen eine zentrale Rolle dabei, wie sich Krebszellen im Körper ausbreiten können. Sie sind aber nicht nur „Durchgangsstationen“ für Tumorzellen, sondern auch aktive Orte des Immunsystems, an denen der Körper versucht, den Krebs zu erkennen und zu bekämpfen.

In diesem Projekt untersuchen wir die Tumorumgebung (TME, tumor microenvironment) in diesen Lymphknoten besonders genau – das heißt: Welche Immunzellen sind dort aktiv? Welche Gene sind an- oder abgeschaltet? Und wie verändert der Tumor das lokale Abwehrsystem?

Dazu werden verschiedene Datenarten kombiniert und ausgewertet:
Wir analysieren mikroskopische Gewebeaufnahmen, erstellen genetische und molekulare Profile (z. B. RNA-Expression und Mutationsmuster), und untersuchen mithilfe modernster Technologien wie der räumlichen Transkriptomik (spatial transcriptomics), welche Zelltypen wo im Lymphknoten auftreten und wie sie miteinander kommunizieren. Zusätzlich werden Daten aus Einzelzellanalysen (single-cell RNA-sequencing) und Multiplex-Färbungen genutzt, um ein besonders detailliertes Bild der Immunantwort zu erhalten.

Alle Patientendaten werden dabei selbstverständlich pseudonymisiert verarbeitet, sodass kein Rückschluss auf einzelne Personen möglich ist.

Die Ergebnisse sollen helfen, besser zu verstehen, warum manche Patientinnen und Patienten Metastasen entwickeln und andere nicht, und ob bestimmte Immunzell-Muster in den Lymphknoten frühzeitig Hinweise auf das Risiko eines Rückfalls geben können.

Langfristig soll das Projekt dazu beitragen, neue biologische Marker zu finden, mit denen sich Risikopatient:innen gezielter behandeln lassen. Die wissenschaftlichen Erkenntnisse aus dem Projekt werden in Fachzeitschriften veröffentlicht und sollen auch in größere Forschungsnetzwerke einfließen, die sich mit der personalisierten Krebstherapie beschäftigen.

Im Rahmen des von der Deutschen Krebshilfe geförderten Forschungsprojekts PrepAIred widmet sich ein Teilkonsortium innerhalb der German Pancreatic Cancer Alliance (GPCA) einer besonders innovativen Frage: Können wir mit Hilfe von Künstlicher Intelligenz (KI) völlig neue Zielstrukturen entdecken, gegen die man präzise Wirkstoffe – sogenannte Minibinder – entwickeln kann?

Das ist gerade beim Bauchspeicheldrüsenkrebs (Pankreaskarzinom) von besonderer Bedeutung, da diese aggressive Tumorart bislang nur sehr eingeschränkt auf herkömmliche Therapien anspricht. Viele bekannte Zielmoleküle (sogenannte "Targets") sind entweder schwer zugänglich oder verändern sich im Verlauf der Erkrankung.

Hier setzt das GPCA-Modul von PrepAIred an:
Mittels modernster KI-gestützter Strukturbiologie (z. B. durch den Einsatz von AlphaFold2, RFdiffusion und weiteren Modellen) werden große Mengen an genetischen, molekularen und zellulären Daten aus Tumorgewebe analysiert. Ziel ist es, neuartige Oberflächenstrukturen auf Tumorzellen zu identifizieren, die sich besonders gut für eine zielgerichtete Therapie eignen – z. B. weil sie spezifisch auf Krebszellen vorkommen oder weil sie immunologisch besonders aktiv sind.

Sobald solche potenziellen Zielstrukturen gefunden sind, nutzt das Team spezielle KI-Algorithmen zur in silico-Entwicklung sogenannter "Minibinder" – das sind kleine, maßgeschneiderte Proteine oder Peptide, die exakt an diese Strukturen binden und so entweder die Tumorzelle markieren oder direkt beeinflussen können.

Langfristiges Ziel des Projekts ist es, eine neue Klasse zielgerichteter Wirkstoffe zu entwickeln, die auf Basis echter Tumor-Biologie und KI-gestützter Moleküldesigns entstehen – ein wichtiger Schritt in Richtung personalisiert wirksamer Therapien bei Bauchspeicheldrüsenkrebs.

Die wissenschaftlichen Ergebnisse werden in Fachzeitschriften veröffentlicht und sollen mittelfristig in präklinische Validierungsstudien und kooperative Weiterentwicklungen mit klinischen Partnern einfließen.

Das Projekt MRD-VIS beschäftigt sich mit einem der wichtigsten, aber bisher schwer messbaren Risiken bei Krebspatient:innen: der sogenannten minimalen Resterkrankung, auf Englisch Minimal Residual Disease (MRD).

Dabei handelt es sich um kleinste verbliebene Tumorzellen oder -fragmente, die nach einer Operation oder Therapie zunächst nicht mehr sichtbar sind – weder in bildgebenden Verfahren noch in herkömmlichen Bluttests. Trotzdem können sie später zu einem Rückfall der Erkrankung (Rezidiv) führen.

Ziel von MRD-VIS ist es, solche minimalen Tumorreste frühzeitig und zuverlässig nachzuweisen, um die Behandlung gezielt anpassen und Rückfälle vermeiden zu können. Der Fokus liegt dabei auf sogenannten viszeralen Tumoren, also bösartigen Erkrankungen innerer Organe wie Bauchspeicheldrüse, Magen, Darm, Leber oder Speiseröhre.

Um diese „unsichtbaren“ Tumorzellen aufzuspüren, nutzt das Forschungsteam hochmoderne molekulare und digitale Methoden. Dazu gehören unter anderem:

Blutproben (Liquid Biopsies), aus denen zirkulierende Tumor-DNA (ctDNA) isoliert wird

Genetische Analysen, z. B. durch Sequenzierung typischer Tumormutationen

Methylierungsbasierte Marker, die helfen, selbst kleinste Tumorsignaturen zu erkennen

Vergleich mit Gewebeproben, um die Herkunft der im Blut gefundenen Tumorfragmente genau zu bestimmen

Künstliche Intelligenz, um Muster in den Daten zu erkennen und Risikoabschätzungen zu ermöglichen

Alle Patientendaten werden selbstverständlich datenschutzkonform pseudonymisiert, sodass keine Rückschlüsse auf Einzelpersonen möglich sind.

Die wissenschaftlichen Erkenntnisse aus MRD-VIS sollen nicht nur helfen, die Überwachung und Nachsorge zu verbessern, sondern auch neue Entscheidungshilfen für personalisierte Therapien liefern. Die Ergebnisse werden in Fachzeitschriften veröffentlicht und mit klinischen Partnern weiterentwickelt, um sie langfristig in die Versorgung von Patientinnen und Patienten mit viszeralen Tumoren zu überführen.

Es soll retrospektiv, also im Nachhinein, untersucht werden, wie sich das Flüssigembolisat N-Hexyl-Cyanoacrylat (NHCA), verglichen mit anderen Flüssigkembolisaten, verhält. Dazu sollen zum einen technische Aspekte der Behandlung untersucht werden, zum Beispiel, wie gut sichtbar NHCA im Vergleich zu anderen Substanzen im Röntgenbild ist. Außerdem soll untersucht werden, ob Patient*innen, die wegen einer chronischen Subduralblutung eine Operation erhalten haben, häufiger nachoperiert werden müssen, wenn sie keine Embolisation der A. meningea media erhalten haben, verglichen mit den Patient*innen, die eine solche Behandlung mit NHCA erhalten haben. Dazu werden Patient*innendaten wie Alter, Geschlecht, Symptomatik, Technik der Behandlung, Komplikationen der Behandlung und Ergebnisse der Behandlung erhoben und untersucht. Diese Daten werden zunächst pseudonymisiert, nach erfolgreicher Auswertung anonymisiert gespeichert, so dass kein nachvollziehbarer Bezug zum Individuum mehr möglich ist.